Phase 2 音频配置方案指南

本文档提供三种音频配置方案，解决双通道同声传译系统的音频路由问题。

📊 方案对比总览

方案	复杂度	额外软件	费用	音质	延迟	蓝牙支持	推荐指数
方案1：立体声混音	⭐ 最简单	❌ 不需要	免费	⭐⭐⭐⭐⭐ 最好	<5ms	❌ 不支持	⭐⭐⭐⭐⭐
方案2：双虚拟设备	⭐⭐ 中等	✅ 需要	€15或免费试用	⭐⭐⭐⭐ 好	<50ms	✅ 支持	⭐⭐⭐⭐
方案3：VoiceMeeter	⭐⭐⭐⭐ 复杂	✅ 需要	免费	⭐⭐⭐ 中等	<100ms	✅ 支持	⭐⭐⭐

方案选择建议

使用有线耳机？
    │
    ├─ YES → 方案1（立体声混音）⭐⭐⭐⭐⭐ 强烈推荐！
    │         最简单、最稳定、音质最好
    │
    └─ NO（必须用蓝牙）
        │
        ├─ 愿意付费 €15？
        │   │
        │   ├─ YES → 方案2（VB-CABLE A+B）⭐⭐⭐⭐
        │   │
        │   └─ NO → 方案2（VB-CABLE + VB-CABLE Point 免费试用）⭐⭐⭐⭐
        │
        └─ 需要专业音频控制？
            │
            ├─ YES → 方案3（VoiceMeeter）⭐⭐⭐
            │
            └─ NO → 方案2 推荐 ⭐⭐⭐⭐

🥇 方案1：立体声混音方案（强烈推荐）

适用场景

✅ 使用有线耳机或有线音箱
✅ 电脑有 Realtek 声卡（或支持立体声混音的声卡）
✅ 追求最佳音质和最低延迟
✅ 希望配置最简单

核心原理

利用 Windows 内置的"立体声混音"功能捕获系统音频，无需额外软件。

【Channel 1: 你说话 → 对方听英文】
物理麦克风
    ↓
main_v2.py Channel 1 读取
    ↓
火山引擎翻译（中文→英文）
    ↓
CABLE Input (VB-CABLE)
    ↓
CABLE Output
    ↓
Zoom 麦克风
    ↓
对方听到英文 ✅

【Channel 2: 对方说话 → 你看中文字幕】
对方说英文
    ↓
Zoom 接收
    ↓
Zoom 扬声器输出到 Realtek 声卡
    ↓
    ├─→ 物理耳机（你听到英文）✅
    │
    └─→ 立体声混音（Realtek 内部捕获）
        ↓
    main_v2.py Channel 2 读取
        ↓
    火山引擎翻译（英文→中文）
        ↓
    字幕窗口显示中文 ✅

配置步骤（总共5步，3分钟完成）

第1步：启用立体声混音 ⏱️ 1分钟

1. 右键任务栏"音量"图标 → 点击"声音"

2. 切换到"录制"标签

3. 在空白处右键 → 勾选"显示已禁用的设备"

4. 找到"立体声混音"或"立体声混音 Realtek(R) Audio"
   （如果看不到，说明声卡不支持，需要用方案2）

5. 右键"立体声混音" → 点击"启用"

6. （可选）右键"立体声混音" → "设为默认设备"

7. 点击"应用"

第2步：配置 Windows 默认音频设备 ⏱️ 1分钟

播放设备（默认）：

1. 右键"音量"图标 → "声音"

2. "播放"标签 → 找到你的物理耳机/音箱：
   - "Realtek HD Audio output"
   - "Speakers (Realtek HD Audio output)"
   - 或你的耳机名称

3. 右键该设备 → "设为默认设备"

4. 右键该设备 → "设为默认通信设备"

5. 点击"应用"

录制设备（默认）：

1. 切换到"录制"标签

2. 找到"CABLE Output (VB-Audio Virtual Cable)"

3. 右键 → "设为默认设备"

4. 右键 → "设为默认通信设备"

5. 点击"应用"→"确定"

第3步：配置 Zoom 音频 ⏱️ 30秒

1. 打开 Zoom → 设置 → 音频

2. 麦克风：选择 "CABLE Output (VB-Audio Virtual Cable)"

3. 扬声器：选择 "Realtek HD Audio output"（或你的物理耳机）

4. 其他设置：
   ✅ 勾选"自动调整麦克风音量"
   ❌ 取消"回声消除"（使用耳机不需要）
   ❌ 取消"背景噪音抑制"（可能影响翻译音质）

5. 点击"确定"

第4步：验证立体声混音 ⏱️ 30秒

1. 播放一段音乐或 YouTube 视频

2. 右键"音量"图标 → "声音" → "录制"标签

3. 观察"立体声混音 Realtek(R) Audio"

4. 应该看到绿色音量条随音乐波动 ✅

如果没有波动：
- 检查立体声混音是否已启用
- 检查播放设备是否是 Realtek 声卡
- 尝试提高音乐音量
- 如果还是不行，说明立体声混音不可用，需改用方案2

第5步：config_v2.yaml 配置（已完成）✅

配置文件已正确设置：

audio:
  # 麦克风配置（用户说话）
  microphone:
    device: "麦克风"  # 你的物理麦克风设备

  # 系统音频配置（对方说话）
  system_audio:
    device: "立体声混音"  # Windows 立体声混音
    fallback_device: "Microsoft 声音映射器 - Input"

  # VB-CABLE输出配置（给Zoom的英文音频）
  vbcable_output:
    device: "CABLE Input"  # VB-CABLE

第6步：运行测试 ⏱️ 10秒

cd F:\python\simultaneous_interpretation\realtime_translator
python main_v2.py

预期日志：

✅ 麦克风捕获器已初始化
✅ 系统音频捕获器已初始化 (设备: 立体声混音)
✅ 音频播放器已初始化 (设备: CABLE Input)
✅ 字幕窗口已初始化
✅ Channel 1 翻译器: 中文 → 英文 (s2s)
✅ Channel 2 翻译器: 英文 → 中文 (s2t)
🔊 开始翻译...

配置清单（快速检查）

设置项	正确配置	检查状态
Windows 播放设备（默认）	Realtek HD Audio output	⬜
Windows 录制设备（默认）	CABLE Output	⬜
立体声混音	已启用	⬜
立体声混音有波动	播放音乐时有绿色波动	⬜
Zoom 麦克风	CABLE Output	⬜
Zoom 扬声器	Realtek HD Audio output	⬜
config_v2.yaml	device: "立体声混音"	✅

测试流程

测试 Channel 1（你说话 → 英文）

1. 启动 main_v2.py
2. 对着物理麦克风说中文："你好，测试"
3. 观察程序日志：
   [Channel 1] 捕获到音频块
   [Channel 1] 翻译结果: Hello, test
4. Zoom 应该把英文发送给对方

测试 Channel 2（对方说话 → 中文字幕）

1. 播放英文视频/音乐，或让对方说英文
2. 你的耳机应该能听到英文 ✅
3. 观察程序日志：
   [Channel 2] 捕获到系统音频块
   [Channel 2] 翻译结果: [中文字幕]
4. 字幕窗口应该显示中文 ✅

优点总结

✅ 配置最简单：只需5个步骤，3分钟完成 ✅ 不需要额外软件：Windows 内置功能 ✅ 音质最好：直接从声卡硬件捕获，无损音质 ✅ 延迟最低：<5ms 硬件级延迟 ✅ 最稳定：没有额外软件层，减少故障点 ✅ 完全免费：无需购买额外软件

缺点总结

❌ 不支持蓝牙：立体声混音只能捕获同一声卡的输出，无法捕获蓝牙音频 ❌ 需要 Realtek 声卡：部分电脑可能不支持立体声混音功能

故障排除

问题1：找不到"立体声混音"

可能原因：

声卡驱动未安装或过时
声卡不支持立体声混音功能

解决方法：

更新 Realtek 声卡驱动
如果还是找不到，说明硬件不支持，改用方案2

问题2：立体声混音没有波动

可能原因：

播放设备不是 Realtek 声卡
立体声混音音量被静音
音频输出到其他设备（如蓝牙）

解决方法：

确认 Windows 播放设备是 Realtek 声卡
右键"立体声混音"→"属性"→"级别"→检查音量
关闭蓝牙，使用有线耳机

问题3：程序日志显示"找不到设备"

可能原因：

设备名称不匹配
设备未启用

解决方法：

# 运行以下命令查看所有音频设备名称
cd F:\python\simultaneous_interpretation\realtime_translator
python -c "import sounddevice as sd; print(sd.query_devices())"

# 找到立体声混音的确切名称，更新到 config_v2.yaml

🥈 方案2：双虚拟设备方案

适用场景

✅ 需要使用蓝牙耳机/音箱
✅ 立体声混音不可用或不稳定
✅ 可以接受轻微音质损失和延迟

核心原理

使用两个独立的虚拟音频设备，实现 Channel 1 和 Channel 2 的完全隔离。

CABLE-A: 用于 Channel 1（你的翻译音频）
CABLE-B: 用于 Channel 2（对方的音频）

软件选择

选项A：VB-CABLE A+B（推荐，付费）

费用：€15 一次性付费
下载：https://vb-audio.com/Cable/
内容：3个虚拟音频设备（CABLE, CABLE-A, CABLE-B）
优点：稳定、官方支持、终身使用

选项B：VB-CABLE + VB-CABLE Point（免费试用）

费用：免费试用（可捐赠）
下载：
- VB-CABLE：https://vb-audio.com/Cable/
- VB-CABLE Point：https://vb-audio.com/Cable/
内容：2个虚拟设备
优点：完全免费
注意：VB-CABLE Point 是免费试用版

配置步骤

第1步：安装虚拟音频设备

1. 下载并安装 VB-CABLE A+B
   或 VB-CABLE + VB-CABLE Point

2. 运行安装程序

3. 重启电脑（必须！）

4. 重启后验证设备：
   右键"音量"→"声音"→"播放/录制"
   应该看到：
   - CABLE Input / CABLE Output
   - CABLE-B Input / CABLE-B Output
   或
   - VB-CABLE Point Input / VB-CABLE Point Output

第2步：配置 Windows 音频设备

播放设备（默认）：

设备：CABLE-B Input（或 VB-CABLE Point Input）
操作：右键"设为默认设备"+ "设为默认通信设备"

录制设备（默认）：

设备：CABLE Output (VB-Audio Virtual Cable)
操作：右键"设为默认设备"+ "设为默认通信设备"

第3步：配置 Zoom 音频

麦克风：CABLE Output (VB-Audio Virtual Cable)
扬声器：CABLE-B Input（或 VB-CABLE Point Input）

第4步：设置 Windows 监听（重要！）

1. 右键"音量"→"声音"→"录制"标签

2. 找到"CABLE-B Output"（或"VB-CABLE Point Output"）

3. 右键"属性"

4. 切换到"侦听"标签

5. ✅ 勾选"侦听此设备"

6. "通过此设备播放"→ 选择你的蓝牙音箱/耳机

7. 点击"应用"→"确定"

作用：让你能听到对方说话的声音

第5步：修改 config_v2.yaml

audio:
  # 麦克风配置（用户说话）
  microphone:
    device: "麦克风"  # 你的物理麦克风

  # 系统音频配置（对方说话）
  system_audio:
    device: "CABLE-B Output"  # 或 "VB-CABLE Point Output"
    fallback_device: "CABLE Output"

  # VB-CABLE输出配置（给Zoom的英文音频）
  vbcable_output:
    device: "CABLE Input"  # 保持不变

第6步：运行测试

python main_v2.py

音频流向图

【Channel 1: 你说话 → 对方听英文】
物理麦克风
    ↓
main_v2.py Channel 1
    ↓
CABLE Input (CABLE-A)
    ↓
CABLE Output
    ↓
Zoom 麦克风
    ↓
对方听到英文 ✅

【Channel 2: 对方说话 → 你看中文字幕】
对方说英文
    ↓
Zoom 接收
    ↓
Zoom 扬声器输出到 CABLE-B Input
    ↓
CABLE-B Output
    ├─→ Windows 监听 → 蓝牙音箱（你听到）✅
    │
    └─→ main_v2.py Channel 2
        ↓
    字幕窗口显示中文 ✅

优点总结

✅ 支持蓝牙：通过 Windows 监听功能 ✅ 完全隔离：两个独立虚拟设备，无回声风险 ✅ 灵活性高：不依赖物理声卡功能 ✅ 稳定可靠：比 VoiceMeeter 简单稳定

缺点总结

❌ 需要额外软件：付费 €15 或免费试用 ❌ 配置稍复杂：需要设置 Windows 监听 ❌ 轻微延迟：<50ms 软件处理延迟 ❌ 音质略差：经过虚拟设备处理

🥉 方案3：VoiceMeeter 方案（复杂，不推荐）

适用场景

⚠️ 需要专业级音频控制
⚠️ 有多个音频源需要混音
⚠️ 愿意学习复杂的音频路由

为什么不推荐？

配置复杂：需要理解混音器概念和多通道路由
学习曲线陡峭：需要配置 Hardware Input、Virtual Input、A1/A2/B1/B2 路由
容易出错：配置项太多，容易导致音频路由错误
资源占用：混音器持续运行占用 CPU/内存
过度设计：对于双通道翻译来说功能过剩

如果确实需要使用

请参考之前提供的详细 VoiceMeeter 配置步骤，或选择更简单的方案1/方案2。

📋 快速参考清单

方案1（立体声混音）配置清单

步骤	配置项	设置值
1	立体声混音	启用
2	Windows 播放设备	Realtek HD Audio output
3	Windows 录制设备	CABLE Output
4	Zoom 麦克风	CABLE Output
5	Zoom 扬声器	Realtek HD Audio output
6	config_v2.yaml	device: "立体声混音"

方案2（双虚拟设备）配置清单

步骤	配置项	设置值
1	安装软件	VB-CABLE A+B 或 Point
2	Windows 播放设备	CABLE-B Input
3	Windows 录制设备	CABLE Output
4	Zoom 麦克风	CABLE Output
5	Zoom 扬声器	CABLE-B Input
6	Windows 监听	CABLE-B Output → 蓝牙音箱
7	config_v2.yaml	device: "CABLE-B Output"

🔧 通用故障排除

问题：程序日志显示"找不到设备"

解决方法：

# 1. 查看所有音频设备
cd F:\python\simultaneous_interpretation\realtime_translator
python -c "import sounddevice as sd; print(sd.query_devices())"

# 2. 找到对应设备的确切名称

# 3. 更新 config_v2.yaml 中的设备名称

问题：Channel 1 工作但 Channel 2 不工作

可能原因：

系统音频捕获设备配置错误
设备未启用或被静音

解决方法：

播放音乐测试系统音频捕获设备
检查 Windows 录制设备中对应设备是否有波动
检查 config_v2.yaml 中 system_audio.device 配置

问题：对方听到回声

可能原因：

Channel 1 和 Channel 2 使用了相同设备
音频路由冲突

解决方法：

确认方案1：Zoom 扬声器 = Realtek（物理设备）
确认方案2：Zoom 扬声器 = CABLE-B Input（独立虚拟设备）
检查 Zoom 是否开启了"回声消除"（应该关闭）

问题：字幕窗口不显示

可能原因：

Channel 2 没有捕获到音频
火山引擎 API 配置错误

解决方法：

检查程序日志是否有 [Channel 2] 相关输出
验证火山引擎 API 密钥是否正确
测试播放英文视频，观察日志

📞 技术支持

如果遇到问题无法解决：

检查日志文件：realtime_translator_v2.log
运行测试脚本：python test_phase2_components.py
查看详细设备信息：python -c "import sounddevice as sd; print(sd.query_devices())"

📚 相关文档

PHASE2_IMPLEMENTATION.md - Phase 2 实施文档
PHASE2_PLANNING.md - Phase 2 技术规划
README.md - 项目总体文档
config_v2.yaml - Phase 2 配置文件

文档版本：v1.0 最后更新：2025-01-01 适用版本：Phase 2 v2.0

FilesExpand file tree

AUDIO_SETUP_GUIDE.md

Latest commit

History

AUDIO_SETUP_GUIDE.md

File metadata and controls

Phase 2 音频配置方案指南

📊 方案对比总览

方案选择建议

🥇 方案1：立体声混音方案（强烈推荐）

适用场景

核心原理

配置步骤（总共5步，3分钟完成）

第1步：启用立体声混音 ⏱️ 1分钟

第2步：配置 Windows 默认音频设备 ⏱️ 1分钟

第3步：配置 Zoom 音频 ⏱️ 30秒

第4步：验证立体声混音 ⏱️ 30秒

第5步：config_v2.yaml 配置（已完成）✅

第6步：运行测试 ⏱️ 10秒

配置清单（快速检查）

测试流程

测试 Channel 1（你说话 → 英文）

测试 Channel 2（对方说话 → 中文字幕）

优点总结

缺点总结

故障排除

问题1：找不到"立体声混音"

问题2：立体声混音没有波动

问题3：程序日志显示"找不到设备"

🥈 方案2：双虚拟设备方案

适用场景

核心原理

软件选择

选项A：VB-CABLE A+B（推荐，付费）

选项B：VB-CABLE + VB-CABLE Point（免费试用）

配置步骤

第1步：安装虚拟音频设备

第2步：配置 Windows 音频设备

第3步：配置 Zoom 音频

第4步：设置 Windows 监听（重要！）

第5步：修改 config_v2.yaml

第6步：运行测试

音频流向图

优点总结

缺点总结

🥉 方案3：VoiceMeeter 方案（复杂，不推荐）

适用场景

为什么不推荐？

如果确实需要使用

📋 快速参考清单

方案1（立体声混音）配置清单

方案2（双虚拟设备）配置清单

🔧 通用故障排除

问题：程序日志显示"找不到设备"

问题：Channel 1 工作但 Channel 2 不工作

问题：对方听到回声

问题：字幕窗口不显示

📞 技术支持

📚 相关文档